{"created":"2023-06-20T13:03:54.801851+00:00","id":2520,"links":{},"metadata":{"_buckets":{"deposit":"daf95242-f60c-4088-ae06-a51b24e4f051"},"_deposit":{"created_by":10,"id":"2520","owners":[10],"pid":{"revision_id":0,"type":"depid","value":"2520"},"status":"published"},"_oai":{"id":"oai:osu.repo.nii.ac.jp:00002520","sets":["22","22:23"]},"author_link":[],"item_10006_date_granted_11":{"attribute_name":"学位授与年月日","attribute_value_mlt":[{"subitem_dategranted":"2023-03-20"}]},"item_10006_degree_grantor_9":{"attribute_name":"学位授与機関","attribute_value_mlt":[{"subitem_degreegrantor":[{"subitem_degreegrantor_name":"大阪産業大学"}],"subitem_degreegrantor_identifier":[{"subitem_degreegrantor_identifier_name":"34407","subitem_degreegrantor_identifier_scheme":"kakenhi"}]}]},"item_10006_degree_name_8":{"attribute_name":"学位名","attribute_value_mlt":[{"subitem_degreename":"博士（経営学）"}]},"item_10006_description_10":{"attribute_name":"学位授与年度","attribute_value_mlt":[{"subitem_description":"2022年度","subitem_description_type":"Other"}]},"item_10006_description_7":{"attribute_name":"抄録","attribute_value_mlt":[{"subitem_description":"インターネットの普及とIT 技術の発達と共にオンライン購買が増え始めた。インターネット上で商品を売買するEC サイト市場の拡大を背景に、市場内での顧客獲得競争が起きている。顧客は企業の最も重要な資産の一つとして、企業の市場競争力と業績の向上に非常に重要な役割を果たしている。しかし、激しい市場競争の中で顧客は多くの製品やサービスプロバイダから容易に選択することができ、企業では顧客の流出が発生する可能性がある。一方、パレート法則によると、企業の80%の利益は20%の顧客から生み出す。これで、企業が市場の優位性を維持するために、既存の顧客資源をどのように流出を避けるか、そして、既存の顧客をどのように利用するかはすでに企業が直面している重要な問題となっている。\n顧客関係管理（Customer Relationship Management：CRM）とは情報技術の援用、すなわちデータを用いて顧客を識別し、顧客に対して顧客ごとに合ったダイレクト・メッセージを配信するなどで満足させ、顧客維持につなげていくものとされて、顧客と企業とのあらゆる接点や接触履歴を全て管理し、それをもとに顧客との関係性を深めて維持することで顧客満足度や顧客のロイヤルティを向上させ、収益の拡大を目指すマネジメント手法である。顧客ロイヤルティを高めるためには顧客データの分析が不可欠である。顧客関係管理に関する先行研究によると、顧客流出予測技術を用いて流出する可能性がある顧客を識別して、予測結果に基づいてマーケティング戦略を改善し、既存の顧客を維持することで業績損失を効果的に防止することができる。そのため、実務と理論の両側面から見ると、企業と顧客の関係性を構築するCRMシステムが重視しなければならない。\nほとんどのショッピングサイトでは、 Webサーバとデータベースサーバが連携して動作している。データベースサーバには、顧客情報、商品情報、在庫情報、販売情報などが保管され、Webサイトの訪問者が入力した情報が、リアルタイムにデータベースに書き込まれて更新される。一方、ビッグデータとクラウドコンピューティングなど情報技術の発達によって、消費者の購買データなどの消費者行動データは容易に収集、保存できるようになった。CRMは2000年頃から研究対象となったものの、データを活用するマーケティング手法である。しかし、EC企業にとってもCRMにおける顧客の購買行動データの分析と顧客流出予測に関する研究はあまり進んでいない。多様なデータに顧客流出予測手法が完全に対応されないため、各業界が多くのデータを保有しているにも関わらず適切な活用方法がまだ確立されていない。そのため、本文はCRMに関する先行研究文献の調査により、機械学習に基づくイーコマースにおける新たな顧客流出予測モデルを提案した。\n近年では機械学習が実務でも浸透し始めたが、顧客流出予測に関する研究の多くは電信、銀行、小売などの業界に集中して、B2Cイーコマースの顧客流出予測に関する研究は少ない。さらに従来の研究はPOSデータに基づいて消費者セグメンテーションを行うこと多かったが、機械学習を用いてネットビジネスユーザーデータにおける顧客流出予測モデルの構築と消費者行動の予測が少ない。本研究の目的は機械学習AdaBoostを採用して「セグメンテーション・ファースト」（Segmentation-First）モデルの有効性を検討し、CRMの観点からB2Cイーコマースのために新しい顧客セグメンテーションと顧客流出予測の手法を提供し、人工知能技術を利用して顧客関係管理を行う。最終の目的は企業のために合理的で有効なマーケティング戦略を制定し、経営のコストを下げることである。\n本研究では、イーコマースの発展とEC顧客購買行動の多様性及びビッグデータ情報技術の背景に基づいて、オンライン購買行動と購買時間の特徴を分析し、B2Cイーコマースのマーケティングの顧客セグメンテーションと顧客流出予測の学術論文におけるセグメンテーションと予測実施の手法を総括した上で、RF−PACVモデルと「セグメンテーション・ファースト」モデルを提案した。多種類の機械学習アルゴリズムを用いた顧客流出予測の精度を考察して、その後、各種の機械学習アルゴリズムの予測性能を比較し、B2Cイーコマースデータ分析における機械学習の有効性・実用性を議論する。\n本論文は7つの章で構成されている。はじめに序論として本研究の背景と目的を説明し、イーコマース環境における消費者のオンラインショッピングの発展傾向とビッグデータ情報技術がイーコマース企業の管理に与える影響を分析した。イーコマース企業が競争しているため、オンラインショッピングの顧客はある会社から別の\n会社に転換しやすく、このような現状は企業の顧客の流出を招く可能性がある。そこで、本論文では顧客の流出予測の研究を展開する。\n第Ⅰ章「顧客セグメンテーションとCRMに関する先行研究」では、従来の研究はRFMモデル分析に基づいて顧客セグメンテーションを行うことが多かったが、顧客の購買行動、購買意識と意思決定などの情報を把握することが難しい。このため、本章はKotler と Keller（2008）が提示した顧客セグメンテーションの基準に基づき、各種顧客セグメンテーション方法の特徴を詳しく分析し、B2Cイーコマース顧客セグメンテーション方法を提示し顧客セグメンテーションの研究構想を明示する。一方、近年、企業と顧客との関係性の構築を重要視するマーケティングが注目されている。本章で、CRMの概念からCRM におけるデータと分析方法、およびCRM におけるデータの必要性とデータの位置づけを説き、また、CRMの先行研究について説明している。\n第Ⅱ章「顧客流出予測に関する先行研究」では、まず機械学習の基本概念、機械学習におけるデータ活用の流れ、および基本手法とその応用を述べる。また、顧客流出は企業の経営業績に直接影響し、流出する可能性がある顧客をどのようにして残すかということに注目する。そのため、本章では先行研究の現状を分析し、電信、銀行、小売などの業界に顧客消費データを用いて顧客行動を予測しているマーケティングの先行研究についてレビューを行うとともに、顧客流出予測の手法について述べる。\n次に第Ⅲ章「顧客流出予測モデリングの基礎理論」では、予測モデルを構築するためには、多種類の機械学習アルゴリズムが必要になる。そこで、本章は既存の顧客流出予測アルゴリズムの理論とその方法を述べる。各種のアルゴリズムの手順をそれぞれ紹介する。本章で用いたアルゴリズムは、k平均法（k-means）、ランダムフォレスト（Random Forest：RF）、ロジスティック回帰（Logistic Regression:LR）、サポートベークタマシン（Support Vector Machine: SVM）、誤差逆伝播法によるニューラルネットワーク（Back Propagation Neural Network: BPNN）、アダブースト（AdaBoost）である。これらのアルゴリズムは第Ⅳ章の実証研究に用いられ、その後、これらの性能とその応用についても考察する\n次に第Ⅳ章「顧客流出予測の実証研究」では、B2Cのオンライン購入行動と購入時間は他の購入方式と大きく異なるためである。本章は顧客流出予測に関する先行研究に基づき、実証研究を展開する。本研究はAlibaba Cloud Tianchiプラットフォームからデータベースからのデータセットをもとに原始データセットとして用いて、顧客流出予測モデル構築には、それぞれロジスティック回帰、サポートベクターマシン、誤差逆伝播法によるニューラルネットワークとアダブーストの4種類の予測アルゴリズムを用いた。そして、この4つのアルゴリズムの予測性能を比較する。これらの結果は、企業管理者または企業の顧客関係管理のための顧客保持ポリシーの策定に参考になる。\n第Ⅴ章「考察」では、顧客セグメンテーションの結果に基づいて、顧客セグメンテーション後の顧客群の消費行動の特徴を検討する。また、4種類のアルゴリズムの予測モデルの結果を基に、予測モデルの有効性・有用性と理論価値を検討する。\n最後に結論では、顧客セグメンテーションと各モデルの予測性能の結果について、顧客セグメンテーション方法と予測モデルがイーコマース企業のマーケティング戦略の制定に与える影響を議論する。実証研究の結果についての考察に基づき、本研究の学術的な貢献とB2Cイーコマース企業の顧客関係管理の現実的意義についてまとめ、今後の課題を述べる。\n","subitem_description_type":"Abstract"}]},"item_10006_dissertation_number_12":{"attribute_name":"学位授与番号","attribute_value_mlt":[{"subitem_dissertationnumber":"営博第24号"}]},"item_10006_version_type_18":{"attribute_name":"著者版フラグ","attribute_value_mlt":[{"subitem_version_resource":"http://purl.org/coar/version/c_970fb48d4fbd8a85","subitem_version_type":"VoR"}]},"item_access_right":{"attribute_name":"アクセス権","attribute_value_mlt":[{"subitem_access_right":"open access","subitem_access_right_uri":"http://purl.org/coar/access_right/c_abf2"}]},"item_creator":{"attribute_name":"著者","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"夏侯, 賢城","creatorNameLang":"ja"},{"creatorName":"カコウ, ケンジョウ","creatorNameLang":"ja-Kana"}]},{"creatorNames":[{"creatorName":"XIAHOU, XIANCHENG","creatorNameLang":"en"}]}]},"item_files":{"attribute_name":"ファイル情報","attribute_type":"file","attribute_value_mlt":[{"accessrole":"open_date","date":[{"dateType":"Available","dateValue":"2023-05-29"}],"displaytype":"detail","filename":"博士論文内容の要旨および審査結果（XIAHOU　XIANCHENG）.pdf","filesize":[{"value":"1.8 MB"}],"format":"application/pdf","licensetype":"license_note","mimetype":"application/pdf","url":{"label":"博士論文内容の要旨および審査結果（XIAHOU　XIANCHENG）","url":"https://osu.repo.nii.ac.jp/record/2520/files/博士論文内容の要旨および審査結果（XIAHOU　XIANCHENG）.pdf"},"version_id":"c06d5ec3-e898-4c69-845a-8b936e9c1c86"},{"accessrole":"open_date","date":[{"dateType":"Available","dateValue":"2023-05-29"}],"displaytype":"detail","filename":"博士論文（XIAHOU　XIANCHENG）.pdf","filesize":[{"value":"8.2 MB"}],"format":"application/pdf","licensetype":"license_note","mimetype":"application/pdf","url":{"label":"博士論文（XIAHOU　XIANCHENG）","objectType":"fulltext","url":"https://osu.repo.nii.ac.jp/record/2520/files/博士論文（XIAHOU　XIANCHENG）.pdf"},"version_id":"d5925c4d-cced-4f13-9954-f5df4c20b210"}]},"item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourcetype":"doctoral thesis","resourceuri":"http://purl.org/coar/resource_type/c_db06"}]},"item_title":"機械学習に基づくイーコマースにおける顧客流出予測に関する研究","item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"機械学習に基づくイーコマースにおける顧客流出予測に関する研究","subitem_title_language":"ja"},{"subitem_title":"Research on Consumer Churn Prediction in E-commerce Based on Machine Learning","subitem_title_language":"en"}]},"item_type_id":"10006","owner":"10","path":["22","23"],"pubdate":{"attribute_name":"PubDate","attribute_value":"2023-05-29"},"publish_date":"2023-05-29","publish_status":"0","recid":"2520","relation_version_is_last":true,"title":["機械学習に基づくイーコマースにおける顧客流出予測に関する研究"],"weko_creator_id":"10","weko_shared_id":-1},"updated":"2024-04-17T07:08:43.152634+00:00"}